冷却塔群塔干扰条件下脉动风压分布模式

冷却塔群塔为常见的群体建筑物组合形式,存在复杂的塔群干扰效应.传统的群塔干扰效应研究通常面向塔筒等效静风荷载,忽略了群塔组合对于脉动风压分布模式干扰效应的量化研究.为了研究群塔组合条件下脉动风压的干扰分布模式,选取具备多种气动干扰特点的八塔组合矩形布置方案为研究对象,对群塔进行刚性模型同步测压风洞试验,获取了不同风向角...     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

一种新型路径共享真时延波束合成架构的设计

为满足宽带天线通信系统多输入多输出的要求,提出了一种新型路径共享真时延波束合成架构。通过真时延单元提供的一定延时差弥补信号到达天线的时间差,合成多路信号来提高输出能力。相比于传统的波束合成架构,该架构通过真时延单元共享,节省芯片面积。该架构具有中心对称性与可扩展性,可支持2M个输入和2K个输出。基于HHNEC 0.18 μm CMOS工艺设计四入四出波束合成器单元,对提出的架构加以验证。仿真结果表明,工作频带为0.5~1.5 GHz,延时分辨率为80 ps、最大延时为720 ps。在天线间距为10.5 cm的情况下,能够提供±43°和±13°四个扫描角度。输入输出回波损耗≤-10 dB,带内整体增益为约26 dB,增益平坦度≤3 dB。版图面积（包括I/O焊盘和ESD）为3.69 mm×3.62 mm。      

基于粒子群优化算法的不完全数据的处理

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。在介绍几种处理方法的基础上,提出了基于粒子群优化算法的处理方法。对适应函数进行了讨论,实例表明该方法比较有效。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

基于外包合同网的自治电磁探测卫星群任务规划

针对具有星间通信能力的自治电磁探测卫星群任务及载荷特点,建立了基于MAS (Multi\|Agent System)的电磁探测卫星群自主规划模型,提出了基于外包合同网的电磁探 测卫星群自主规划算法。根据模拟的数据进行仿真实验及分析,该方法能有效解决电磁 探测卫星群自主任务规划问题。
     

基于粒子群优化的多导弹动态武器目标分配算法

针对复杂多变的未来战场环境,对空防御系统需要实现对多个目标进行武器分配。由于传统静态武器目标分配（Static weapon target assignment, SWTA）模型受到很多因素的限制,无法适应战场态势的快速变化。为了解决多导弹的动态武器目标分配（Dynamic weapon target assignment, DWTA）问题,将对空防御过程离散为多个阶段,并根据战场实时态势数据构建了DWTA的数学模型,提出了一种改进的粒子群优化算法,引入了武器转火时间窗等约束条件,在算法中考虑拦截概率和导弹耗费等多个指标。最后通过大量仿真实验,验证了粒子群算法进行多导弹目标分配的合理性和有效性。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度,提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析,得出了二者合理的取值范围,将粒子到全局最优位置间距离与参数的取值范围相结合,构造了惯性权重与学习因子的动态调节函数,对其进行非线性的动态调节,并引入了变异因子,提出了一种跳出局部最优的策略,防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中,与PSO-Elman、Elman算法进行性能比较,仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据,对飞机地面空调的节能与机场电能合理调配提供了支持。